WSL2和Docker使用GPU

安装Docker-Desktop

安装Docker-Desktop

Docker-Desktop下载地址 :https://www.docker.com/products/docker-desktop/

接着就一路无脑安装即可。

下载完成之后，Docker Desktop会放在开机自动启动的文件目录下，因此每次开机都会自动开启。

可以观察到：左下角图标显示绿色就表示服务都正常运行。

简单配置docker

这里简单设置一下镜像加速器

 "registry-mirrors": [
        "https://docker.mirrors.ustc.edu.cn/",
        "http://hub-mirror.c.163.com"
  ]

2.启动Docker Desktop for Windows，点击“设置”按钮，启用基于WSL2的引擎复选框（Use the WSL 2 based engine）

在 Resources 的WSL Integration中设置要从哪个 WSL2 发行版中访问 Docker，如下图使用的是 Ubuntu。

进入到ubuntu命令窗口，输入以下命令。就可以在WSL2中使用docker了

docker --version

win10安装支持WSL2的nvidia驱动

.在win10安装支持WSL2的nvidia驱动

驱动下载地址CUDA on Windows Subsystem for Linux (WSL)：https://developer.nvidia.com/cuda/wsl

下载完成后直接默认安装就行

ubuntu配置 CUDA Toolkit

在安装CUDA Toolkit 需要先安装gcc,g++,否则会出现以下错误

因此，输入以下命令安装gcc，g++。

sudo apt install gcc g++ make

在NIVDIA官方的CUDA Toolkit安装界面选择合适版本，这里选择11.7安装。

根据官网给出的命令进行安装

wget https://developer.download.nvidia.com/compute/cuda/11.7.0/local_installers/cuda_11.7.0_515.43.04_linux.run
sudo sh cuda_11.7.0_515.43.04_linux.run

接下来就出现这样的界面

这里我们键入accept按回车

之后就出现这样的界面了

由于已经在windows系统中安装了NVIDIA显卡驱动，所以这里不需要在子系统中安装CUDA 11.7中附带的驱动，移动到Driver选项上，按空格键将该项取消，然后再移动到Install选项，回车，等待安装。
安装完成之后就会出现这样的界面

===========
= Summary =
===========

Driver:   Not Selected
Toolkit:  Installed in /usr/local/cuda-11.7/

Please make sure that
 -   PATH includes /usr/local/cuda-11.7/bin
 -   LD_LIBRARY_PATH includes /usr/local/cuda-11.7/lib64, or, add /usr/local/cuda-11.7/lib64 to /etc/ld.so.conf and run ldconfig as root   

To uninstall the CUDA Toolkit, run cuda-uninstaller in /usr/local/cuda-11.7/bin
***WARNING: Incomplete installation! This installation did not install the CUDA Driver. A driver of version at least 515.00 is required for
 CUDA 11.7 functionality to work.
To install the driver using this installer, run the following command, replacing <CudaInstaller> with the name of this run file:
    sudo <CudaInstaller>.run --silent --driver

Logfile is /var/log/cuda-installer.log

设置环境变量

(nano或者用vim也行·)

sudo nano .bashrc

添加以下内容：

export PATH=/usr/local/cuda-11.7/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-11.7/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

执行以下命令

source .bashrc

输入nvcc -V查看cuda。

nvcc -V

GPU测试及问题处理

测试在WSL2中是否可以使用GPU

docker run --gpus all nvcr.io/nvidia/k8s/cuda-sample:nbody nbody -gpu -benchmark

出现Bug了
解决方案：win10 Docker Desktop使用GPU

检测windows更新，重启一下就好了

再次执行上面那条语句

最后，分别在linux命令行中输入nvcc -V和nvidia-smi查看驱动

★,°:.☆(￣▽￣)/$:.°★ 。

参考资料：

重点推荐：win10 Docker Desktop使用GPU
https://blog.csdn.net/xyl192960/article/details/120246820
https://blog.csdn.net/Rayone_/article/details/124410685
https://zhuanlan.zhihu.com/p/434239083
2021年 Windows10 环境下使用WSL和Docker 配置深度学习环境- 可使用任意版本的 Ubuntu+CUDA image 以及踩坑记录
Win10/Win11子系统（二）——深度学习环境搭建：WSL2+Ubuntu20.04+CUDA10.1+pytorch1.8.1+pycharm
ubuntu18.04配置deepo深度学习环境（cuda + cudnn + nvidia-docker + deepo）–超级细致，并把遇到的错误和所有解决方案都列出来了
基于 WSL2+Docker 的一种深度学习环境解决方案
WSL Ubuntu + Docker Desktop搭建python环境
WSL 2 上的 Docker 远程容器入门
一篇文章搞定 Docker 入门